文献

J-GLOBAL ID：201702271217461677   整理番号：17A0074552

LS-SVRに基づく岩石破壊予測のための方法を提案した。【JST・京大機械翻訳】

Prediction of Rock Blasting Fragmentation based on LS-SVR

著者 (4件)： Shi Xiuzhi (School of Resources and Safety Engineering,Central South University) ,  Wang Yang (School of Resources and Safety Engineering,Central South University) ,  Huang Dan (School of Resources and Safety Engineering,Central South University) ,  Shi Caixing (School of Resources and Safety Engineering,Central South University)
資料名： Baopo  (Baopo)
巻： 33  号： 3  ページ： 36-40  発行年： 2016年 
JST資料番号： C2872A  ISSN： 1001-487X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 小サンプル条件の下での鉱山鉱山の岩石の爆発性を正確に予測するために,小サンプル条件の下での鉱山鉱山の爆破を予測するための効果的方法を得た。最小二乗法サポートベクトルマシン(LS-SVMLAB)を用いて,LS-SVRに基づく予測モデルを構築し,モデルパラメータを合理的に最適化した。15の鉱山鉱山の発破データと35の発破データをそれぞれサンプルサイズと正常サンプル容量として使用し,モデルの予測精度をテストした。結果は以下を示す。LS-SVR予測モデルの予測精度は,同じ容量の人工ニューラルネットワーク(ANN)の予測精度よりも高く,提案したLS-SVRモデルは,鉱山における爆破のブロックを予測するのに適しており,小サンプル条件の下でより優れていることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 最小二乗法 ,  最適化 ,  鉱山 ,  サポートベクトルマシン ,  *岩石 ,  予測モデル ,  ニューラルネットワーク ,  爆発性 ,  *岩石破壊
準シソーラス用語： 予測精度 ,  モデルパラメータ , 【Automatic Indexing@JST】

著者キーワード (5件)： support vector machines ,  least squares support vector machines regression ,  LS-SVMlab ,  rock fragmentation ,  prediction with few observations

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (3件)： 岩石破壊 ,  予測 ,  提案